10 CAPÍTULO 1 Introducción al diseño de experimentos factores estudiados, con lo que el experimento no alcanzaría su objetivo principal. De aquí la importancia de no dejar variar libremente a ningún factor que pueda influir de manera significativa sobre el comportamiento de la respuesta (principio de bloqueo). Ejemplo 1.1 En la figura 1.4 se muestran algunas de las variables que intervienen en el proceso de fabricación de un envase de plástico. El problema general es encontrar las condiciones de operación de los factores controlables, que dan por resultado valores óptimos de las características de calidad ahí listadas. También podría ser de interés investigar el efecto de factores no controlables, buscando lograr un proceso insensible (robusto) a su posible efecto. Supongamos que sólo interesa la dureza de la pieza de plástico resultante. Algunas preguntas que se pueden responder con un diseño experimental son: ¿cuáles factores afectan la dureza del plástico?, ¿cómo es que la afectan?, o bien, ¿qué relación hay entre los factores controlables y la dureza?; ¿existen otras condiciones de operación, distintas a las actuales que mejoran la dureza? Estas preguntas se responden probando diferentes combinaciones en los niveles de los factores controlables, seleccionadas de manera adecuada. Esto último significa escoger el diseño experimental más adecuado al problema, que en este caso parece ser un diseño factorial completo o fraccionado (capítulos 5, 6 y 8). Etapas en el diseño de experimentos Matriz de diseño Es el arreglo formado por los tratamientos que serán corridos, incluyendo las repeticiones. Planeación Son actividades encaminadas a entender, delimitar el problema u objeto de estudio y seleccionar variables de respuesta y factores. Concluye con la especificación de los tratamientos a realizar y con la organización del trabajo experimental. Un aspecto fundamental del diseño de experimentos es decidir cuáles pruebas o tratamientos se van a realizar y cuántas repeticiones de cada uno se requieren, de manera que se obtenga la máxima información al mínimo costo posible. El arreglo formado por los diferentes tratamientos que serán corridos, incluyendo las repeticiones, recibe el nombre de matriz de diseño o sólo diseño. Para que un estudio experimental sea exitoso es necesario realizar, por etapas, diferentes actividades. En este sentido, la etapa más importante y a la que se le debe dedicar mayor tiempo es \aplaneacion (véase capítulo 10). A continuación se describen de manera breve las etapas del diseño de experimentos con objeto de dar una visión global de lo que implica su correcta aplicación. Varios conceptos que se mencionan en estas etapas se definen con detalle en los siguientes capítulos. Planeación y realización 1. Entender y delimitar el problema u objeto de estudio. En la etapa de planeación se deben hacer investigaciones preliminares que conduzcan a entender y delimitar el problema u objeto de estudio, de tal forma que quede claro qué se va a estudiar, por qué es importante y, si es un problema, cuál es la magnitud del mismo. 2. Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño y verificar que se mide de manera confiable. La elección de esta(s) variable(es) es vital, ya que en ella se refleja el resultado de las pruebas. Por ello, se deben elegir aquellas que mejor reflejen el problema o que caractericen al objeto de estudio. Además, se debe tener confianza en Etapas en el diseño de experimentos 3. 4. 5. 6. que las mediciones que se obtengan sobre esas variables sean confiables. En otras palabras, se debe garantizar que los instrumentos y/o métodos de medición son capaces de repetir y reproducir una medición, que tienen la precisión (error) y exactitud (calibración) necesaria. Recordemos que los sistemas de medición son la forma en la que percibimos la realidad, por lo que si éstos son deficientes, las decisiones que se tomen con base en ellos pueden ser inadecuadas. Determinar cuáles factores deben estudiarse o investigarse, de acuerdo a la supuesta influencia que tienen sobre la respuesta. No se trata de que el experimentador tenga que saber a priori cuáles factores influyen, puesto que precisamente para eso es el experimento, pero sí de que utilice toda la información disponible para incluir aquellos que se considera que tienen un mayor efecto. Seleccionar los niveles de cada factor, así como el diseño experimental adecuado a los factores que se tienen y al objetivo del experimento. Este paso también implica determinar cuántas repeticiones se harán para cada tratamiento, tomando en cuenta el tiempo, el costo y la precisión deseada. Planear y organizar el trabajo experimental. Con base en el diseño seleccionado, organizar y planear con detalle el trabajo experimental, por ejemplo, las personas que van a intervenir, la forma operativa en que se harán las cosas, etc. (véase capítulo 10). Realizar el experimento. Seguir al pie de la letra el plan previsto en la etapa anterior, y en caso de algún imprevisto, determinar a qué persona se le reportaría y lo que se haría. Análisis En esta etapa no se debe perder de vista que los resultados experimentales son observaciones muéstrales, no poblacionales. Por ello, se debe recurrir a métodos estadísticos inferenciales para ver si las diferencias o efectos muéstrales (experimentales) son lo suficientemente grandes para que garanticen diferencias poblacionales (o a nivel proceso). La técnica estadística central en el análisis de los experimentos es el llamado análisis de varianza ANOVA (acrónimo en inglés). Interpretación Aquí, con el respaldo del análisis estadístico formal, se debe analizar con detalle lo que ha pasado en el experimento, desde contrastar las conjeturas iniciales con los resultados del experimento, hasta observar los nuevos aprendizajes que sobre el proceso se lograron, verificar supuestos y elegir el tratamiento ganador, siempre con apoyo de las pruebas estadísticas. Control y conclusiones finales Para concluir el estudio experimental se recomienda decidir qué medidas implementar para generalizar el resultado del estudio y para garantizar que las mejoras se mantengan. Además, es preciso organizar una presentación para difundir los logros. 11 12 CAPÍTULO 1 Introducción al diseño de experimentos Consideraciones prácticas sobre el uso de métodos estadísticos En adición a lo dicho en la sección anterior, es importante tomar en cuenta que aunque el uso de metodologías estadísticas por lo general ayuda a hacer más eficiente el proceso de investigación y de solución de problemas, es necesario reconocer que las metodologías estadísticas por sí solas no garantizan investigaciones exitosas, por ello es importante considerar los siguientes puntos: El conocimiento no estadístico es vital. Para utilizar los métodos estadísticos en general y los diseños de experimentos en particular, en primer lugar se requiere que el experimentador tenga un buen nivel de conocimiento técnico y práctico sobre el fenómeno o proceso que estudia, de tal forma que pueda vislumbrar con cierta facilidad cuáles son los aspectos clave del fenómeno y sea capaz de plantear conjeturas precisas, vislumbrar el tipo de relaciones entre las variables de respuesta y los posibles factores a estudiar. Todo esto ayudará a seleccionar mejor los factores y sus niveles, así como el diseño que es mejor aplicar. Además, ese conocimiento permitirá sacarle un provecho real al análisis estadístico de los resultados y obtener conclusiones que generen aprendizaje y soluciones. Reconocer la diferencia entre significancia estadística e importancia práctica. En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes estadísticamente, pero que tales diferencias, aunque sean significativas, no necesariamente representan una diferencia que en la práctica sea importante. Apostarle más a la experimentación secuencial que a un experimento único y definitivo. En ocasiones, los experimentadores novatos pretenden en una sola fase de experimentación contestar todas sus interrogantes sobre un proceso o fenómeno en particular. Sin embargo, esto puede llevar a experimentos muy extensos que consuman demasiados recursos y que retarden la generación de resultados. Por ello es importante considerar como alternativas a diferentes fases de experimentación en forma secuencial, en las cuales se alcance paulatinamente una mayor precisión en los conocimientos y soluciones. Es importante no confundir la experimentación secuencial con la experimentación a prueba y error (véase sección "Experimentación factorial frente a mover un factor a la vez" del capítulo 5). La experimentación secuencial en cada fase sigue una estrategia bien definida y pensada; por lo tanto, en cada fase se obtienen resultados y conclusiones importantes que permiten generar soluciones y conocimiento más refinado para plantear de mejor manera la siguiente fase de experimentación. Principios básicos El diseño de experimentos trata de fenómenos que son observables y repetibles. Por lo tanto, sin el pensamiento estadístico, los conceptos de observabilidad y repetibilidad son inherentemente contradictorios. Cualquier cosa observada se aprecia con variabilidad; nada ocurre exactamente de la misma forma dos veces, incluso las me- Consideraciones prácticas sobre el uso de métodos estadísticos 13 diciones del mismo evento varían. Entonces, ¿qué se quiere decir cuando la ciencia demanda que una observación sea repetible?, ¿qué repetición es realmente una repetición?, cuando un resultado es el mismo o difiere, ¿es confirmación o contradicción? Estas preguntas no pueden ser contestadas de manera coherente sin el pensamiento estadístico; por ejemplo, alguien da una nueva receta de chocolate, dice que no falla, pero se prueba y no sale, mientras que el segundo y tercer intento sí funcionan. ¿La receta está comprobada completamente? (Los chocolates tienen más de 800 ingredientes individuales que pueden ser separados.) De acuerdo con lo anterior, se debe ser muy cuidadoso en la planeación y el análisis de un experimento. El punto de partida para una correcta planeación es aplicar los principios básicos del diseño de experimentos: aleatorización, repetición y bloqueo, los cuales tienen que ver directamente con que los datos obtenidos sean útiles para responder a las preguntas planteadas, es decir, la validez del análisis de los datos se apoya en estos principios. Aleatorización. Consiste en hacer las corridas experimentales en orden aleatorio (al azar) y con material también seleccionado aleatoriamente. Este principio aumenta la probabilidad de que el supuesto de independencia de los errores se cumpla, lo cual es un requisito para la validez de las pruebas de estadísticas que se realizan. También es una manera de asegurar que las pequeñas diferencias provocadas por materiales, equipo y todos los factores no controlados, se repartan de manera homogénea en todos los tratamientos. Por ejemplo, una evidencia de incumplimiento o violación de este principio se manifiesta cuando el resultado obtenido en una prueba está muy influenciado por la prueba inmediata anterior. Aleatorización Consiste en hacer corridas experimentales en orden aleatorio (al azar); este principio aumenta la posibilidad de que el supuesto de independencia de los errores se cumpla. Repetición. Es correr más de una vez un tratamiento o una combinación de factores. Es preciso no confundir este principio con medir varias veces el mismo resultado experimental. Repetir es volver a realizar un tratamiento, pero no inmediatamente después de haber corrido el mismo tratamiento, sino cuando corresponda de acuerdo con la aleatorización. Las repeticiones permiten distinguir mejor qué parte de la variabilidad total de los datos se debe al error aleatorio y cuál a los factores. Cuando no se hacen repeticiones no hay manera de estimar la variabilidad natural o el error aleatorio, y esto dificulta la construcción de estadísticas realistas en el análisis de los datos. Repetición Es correr más de una vez un tratamiento o combinación de factores. Bloqueo. Consiste en nulificar o tomar en cuenta, en forma adecuada, todos los factores que puedan afectar la respuesta observada. Al bloquear, se supone que el subconjunto de datos que se obtengan dentro de cada bloque (nivel particular del factor bloqueado), debe resultar más homogéneo que el conjunto total de datos. Por ejemplo, si se quieren comparar cuatro máquinas, es importante tomar en cuenta al operador de las máquinas, en especial si se cree que la habilidad y los conocimientos del operador pueden influir en el resultado. Una posible estrategia de bloqueo del factor operador, sería que un mismo operador realizara todas las pruebas del experimento. Otra posible estrategia de bloqueo sería experimentar con cuatro operadores (cuatro bloques), donde cada uno de ellos prueba en orden aleatorio las cuatro máquinas; en este segundo caso, la comparación de las máquinas quizás es más real. Cada operador es un bloque porque se espera que las mediciones del mismo operador sean más parecidas entre sí que las mediciones de varios operadores. Bloqueo Es nulificar o tomar en cuenta en forma adecuada todos los factores que pueden afectar la respuesta observada. 14 CAPÍTULO 1 Introducción al diseño de experimentos Los principios básicos se entenderán mejor en la medida en que se estudien los ejemplos de los capítulos siguientes. En particular, en la sección "Poblaciones pareadas" del capítulo 2, se presentan los experimentos más simples donde la aplicación de estos principios es evidente. Clasificación y selección de los diseños experimentales Existen muchos diseños experimentales para estudiar la gran diversidad de problemas o situaciones que ocurren en la práctica. Esta cantidad de diseños hace necesario saber cómo elegir el más adecuado para una situación dada y, por ende, es preciso conocer cómo es que se clasifican los diseños de acuerdo con su objetivo y su alcance. Los cinco aspectos que más influyen en la selección de un diseño experimental, en el sentido de que cuando cambian por lo general nos llevan a cambiar de diseño, son: * 1. 2. 3. 4. 5. El objetivo del experimento. El número de factores a estudiar. El número de niveles que se prueban en cada factor. Los efectos que interesa investigar (relación factores-respuesta). El costo del experimento, tiempo y precisión deseada. Estos cinco puntos no son independientes entre sí, pero es importante señalarlos de manera separada, ya que al cambiar cualquiera de ellos generalmente cambia el diseño experimental a utilizar (véase capítulo 10). Con base en algunos de estos cinco puntos es posible clasificar los diseños como lo hacemos a continuación. El objetivo del experimento se utiliza como un criterio general de clasificación de los diseños experimentales, mientras que los otros cuatro puntos son útiles para subclasificarlos. En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivos, los diseños se pueden clasificar como: 1. 2. 3. 4. 5. Diseños para comparar dos o más tratamientos. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s). Diseños para determinar el punto óptimo de operación del proceso. Diseños para la optimización de una mezcla. Diseños para hacer el producto o proceso insensible a factores no controlables. En la figura 1.5 se muestra la clasificación general de los diseños experimentales de acuerdo con su objetivo. Dentro de cada rama se pueden clasificar de acuerdo al número de factores, al tipo de efectos que se pretende estudiar y según las restricciones existentes. En la misma figura se listan los diseños particulares más representativos de cada rama. Nótese que los diseños factoriales completos y fraccionados ocupan más de un lugar en la figura 1.5; la razón es que estos diseños son eficaces en diversas situacio- Preguntas y ejercicios 1. Disenos para comparar dos o más tratamientos Diseno completamente al azar Diseño de bloques completos al azar Diseño de cuadros latino y grecolatino 2. Diseños para estudiar el efecto de varios factores sobre una o más variables de respuesta Diseños factoriales 2k Diseños factoriales 3* Diseños factoriales fraccionados 2k-p 3. Diseños para la optimización de procesos 4. Diseños robustos 5. Diseños de mezclas Diseños para el modelo de primer orden Diseños factoriales 2k y 2k~P Diseño de Plakett-Burman Diseño simplex Diseños para el modelo de segundo orden Diseño de composición central Diseño de Box-Behnken Diseños factoriales 3* y 3*~p | Arreglos ortogonales (diseños factoriales) } Diseño con arreglos interno y externo Diseño Diseño Diseño Diseño simplex-reticular simplex con centroide con restricciones axial Figura 1.5 Clasificación de los diseños experimentales. nes prácticas. De hecho, varios de los otros diseños que se mencionan en esta figura son casos particulares o generalizaciones de los diseños factoriales. En los siguientes capítulos se verán con detalle prácticamente todos estos diseños. Preguntas y ejercicios 1. Explique las ventajas que tiene el diseño de experimentos sobre una estrategia de prueba y error. 2. ¿Qué es un experimento y qué es diseñar un experimento? 3. En el contexto de un diseño de experimentos, ¿qué es una variable de respuesta?, ¿qué es un factor estudiado? y ¿qué relación se esperaría que haya entre la variable y los factores? 4. ¿En un experimento sólo es posible estudiar los factores que actualmente se controlan en la operación normal del proceso? 5. ¿Es posible estudiar cómo influye un factor sobre la variable de respuesta, si el factor se mantiene fijo en todas las corridas o pruebas experimentales? Explique. 6. Se tiene un experimento en el que los factores a estudiar y sus niveles son los siguientes: temperatura (10, 20 y 30°C); tiempo (60 y 90 minutos). Elabore una lista de todos los posibles tratamientos de este diseño. 7. 8. ¿Qué es el error aleatorio y qué es el error experimental? ¿Por qué es importante aleatorizar el orden en que se corren los diferentes tratamientos en un diseño de experimentos? 9. Señale las etapas en el diseño de un experimento, así como algunos aspectos clave de cada una de ellas. 15